Remotion Topic Explainer Video Skill (60-90s)
This skill guides you in creating high-quality, 60–90 second short-form explainer videos (TikTok / YouTube Shorts / Reels format: 1080x1920 @ 30fps) from any given topic.
It combines:
- Visual Best Practices from
remotion-dev/skills(frame-accurate springs, clamping interpolations, sequence composition, typography hierarchy). - AI Voiceover Synthesis via
TTS_PROVIDERin.env:edge(edge-tts-universal, online, free) orcit(CIT Voice Studio, offline Vietnamese studio voices - download at github.com/Cuongyd196/cit-voice-studio, API docs:docs/cit-voice-studio.md). - Exact Timing Synchronization mapping audio voiceover lengths directly into Remotion frame sequences.
1. Video Structure & Timing (60-90s / 1800-2700 frames @ 30fps)
A captivating short video follows the Hook-Problem-Solution-Value-Outro framework:
| Scene | Name | Time | Frame Range (@ 30fps) | Purpose & Visuals |
|---|---|---|---|---|
| 1 | Hook | 0s – 6s | ~180 frames | Lời hứa hoặc câu hỏi gây tò mò kèm con số, nói trong 2 giây đầu. Tiêu đề lớn, hiệu ứng hook của video-style. |
| 2 | Context / Pain Point | 6s – 17s | ~330 frames | Nêu vấn đề hoặc bối cảnh vì sao chủ đề này quan trọng. Hai thẻ đối lập trượt vào từ hai phía. |
| 3 | Core Concept Part 1 | 17s – 32s | ~450 frames | Nguyên lý cốt lõi thứ 1: thẻ kính mờ, từ khóa nổi bật. |
| 4 | Core Concept Part 2 | 32s – 48s | ~480 frames | Cơ chế hoạt động: quy trình 3 bước, đường nối chạy dần. |
| 5 | Real-World Impact | 48s – 64s | ~480 frames | Ứng dụng thực tế, lời khuyên hoặc số liệu đếm lên. |
| 6 | Outro & CTA | 64s – 75s | ~330 frames | Đúc kết 1 câu đắt giá, nút theo dõi kênh. |
Cần dài tới 90s thì thêm 1-2 cảnh phụ (ví dụ cụ thể, lưu ý) trước Outro. Cảnh nào quá 13s thì tách đôi.
Tổng thời lượng: 1800 – 2700 frames (khoảng 60 – 90 giây).
2. TTS Voiceover Generation (edge | cit)
2.1 Cấu hình Voice qua .env
Đảm bảo file .env đã được cấu hình (đầy đủ xem .env.example):
TTS_PROVIDER=edge # edge | cit
TTS_OUTPUT_DIR=public/audio
# Edge TTS (TTS_PROVIDER=edge)
EDGE_TTS_VOICE=vi-VN-HoaiMyNeural # hoặc vi-VN-NamMinhNeural, en-US-ChristopherNeural
EDGE_TTS_RATE=+10% # +10% đến +15% giúp video ngắn nhịp độ nhanh cuốn hút
# CIT Voice Studio (TTS_PROVIDER=cit)
CIT_TTS_BASE_URL=http://127.0.0.1:8001
CIT_TTS_VOICE=Hải Đăng # danh sách giọng: docs/cit-voice-studio.md hoặc GET /voices
CIT_TTS_SPEED=1.1 # 0.5 - 2.0
Khi TTS_PROVIDER=cit:
- App CIT Voice Studio phải đang mở. Script tự gọi
GET /healthtrước khi sinh audio; nếu báo không kết nối được, nhắc người dùng mở app (hoặc tải tại github.com/Cuongyd196/cit-voice-studio). - Lời thoại có thể chèn thẻ cảm xúc
[cười],[thở dài],[hắng giọng]và thẻ nghỉ[nghỉ 0.5s](không bị đọc thành tiếng). Không lạm dụng: tối đa 1 thẻ/cảnh. - Lỗi
400 Voice not found= sai tên giọng (phân biệt dấu). Kiểm traCIT_TTS_VOICE.
2.2 Quy trình sinh file Audio
Khi nhận chủ đề, tạo thư mục src/<TopicName>/ trước, vì src/<TopicName>/audioData.ts chỉ được sinh khi thư mục này đã tồn tại. Sau đó tạo scripts/generate-<topic>-audio.ts và chạy để sinh audio:
import { generateTopicVoices } from "./generate-tts";
const scenes = [
{
id: "scene1_hook",
text: "Bạn có biết Docker thực chất là gì và tại sao mọi lập trình viên đều cần nó?",
},
{
id: "scene2_problem",
text: "Trước đây, câu nói 'trên máy tôi vẫn chạy được' luôn là cơn ác mộng khi bàn giao sản phẩm.",
},
{
id: "scene3_concept1",
text: "Docker giải quyết việc này bằng Container - đóng gói toàn bộ code và môi trường vào một khối duy nhất.",
},
{
id: "scene4_concept2",
text: "Khác với máy ảo nặng nề, Docker chia sẻ chung nhân hệ điều hành, giúp khởi động chỉ trong tích tắc.",
},
{
id: "scene5_impact",
text: "Nhờ đó, bạn deploy ứng dụng mượt mà trên mọi máy chủ từ AWS, GCP cho đến VPS giá rẻ.",
},
{
id: "scene6_outro",
text: "Follow kênh để nắm trọn các kiến thức công nghệ ngắn gọn mỗi ngày nhé!",
},
];
generateTopicVoices("DockerShort", scenes).catch((error) => {
console.error(error);
process.exitCode = 1;
});
File âm thanh sẽ được lưu tự động vào public/audio/<TopicName>/<sceneId>.<ext> (.mp3 với edge, .wav với cit) kèm file manifest.json ghi lại chính xác số frame (durationInFrames) và audioPath cho từng phân cảnh.
- Tuỳ chọn mỗi cảnh:
voice(giọng của provider đang chọn),rate/pitch/volume(chỉ edge),speed0.5-2.0 (chỉ cit). - File đã tồn tại được dùng lại (cache). Muốn sinh lại sau khi sửa lời thoại hoặc đổi giọng, xoá file audio tương ứng trước.
3. Remotion Coding Rules (from remotion-dev/skills)
Khi viết mã nguồn Remotion, BẮT BUỘC tuân thủ các nguyên tắc sau:
3.1 Sử dụng Spring Animations
Không dùng CSS keyframes/transitions hay linear easing vô hồn. Dùng spring():
import { spring, useCurrentFrame, useVideoConfig } from "remotion";
const frame = useCurrentFrame();
const { fps } = useVideoConfig();
// Spring nảy mượt mà cho Card/Icon
const scale = spring({
frame,
fps,
config: {
damping: 12, // Dưới 15 tạo độ nảy đàn hồi tự nhiên
stiffness: 100, // Độ căng
mass: 0.8,
},
});
const entrance = spring({
frame: frame - 10, // Delay 10 frames
fps,
from: 50,
to: 0,
});
3.2 Interpolation An toàn (Always Clamp)
Luôn luôn cung cấp extrapolateLeft: "clamp" và extrapolateRight: "clamp" để tránh tràn giá trị khi timeline chạy ngoài phạm vi:
import { interpolate } from "remotion";
const opacity = interpolate(frame, [0, 15], [0, 1], {
extrapolateLeft: "clamp",
extrapolateRight: "clamp",
});
3.3 Nhúng Audio và Đồng bộ Sequence
Mỗi scene trong Composition dùng <Sequence> hoặc <Series> để quản lý timing chính xác:
import { Audio, staticFile, Sequence } from "remotion";
// Trong Scene component - lấy đường dẫn từ manifest, KHÔNG hardcode đuôi .mp3 (provider cit xuất .wav):
<Sequence from={0} durationInFrames={sceneDuration}>
<Audio src={staticFile(audioManifest.scenes[0].audioPath)} />
<SceneContent />
</Sequence>
- Buffer Chuyển cảnh Tinh gọn (Snappy Transition Buffer):
- Khoảng đệm giữa các cảnh chỉ nên để +3 đến +4 frames (khoảng 0.1s) sau khi giọng đọc kết thúc.
- Tránh để buffer quá dài (+15 đến +20 frames) gây ra khoảng lặng/chết nhịp giữa các phân cảnh. Cảnh tiếp theo cần xuất hiện ngay khi câu trước vừa dứt để duy trì nhịp độ dồn dập, hấp dẫn cho video ngắn.
// Ví dụ tính thời lượng các cảnh trong Series
// Giá trị trong manifest đã gồm 10 frame đệm, nên trừ đi trước khi cộng buffer.
const d1 = audioManifest.scenes[0].durationInFrames - 10 + 3;
const d2 = audioManifest.scenes[1].durationInFrames - 10 + 3;
// ...
3.4 Quy chuẩn Thiết kế Visual (Vertical 1080x1920)
Toàn bộ phong cách (nền, thẻ kính mờ, thương hiệu, cỡ chữ, bố cục, phụ đề, chuyển động, hook) theo skill video-style. Sao chép theme.ts và components/ từ src/ClaudeBugHunterRepo/. Không dùng emoji hay icon trang trí trong chữ.
4. Quy trình Tạo Video Từng Bước cho Antigravity / Codex
Khi nhận được yêu cầu: "Tạo video giải thích về [Chủ đề X]":
Bước 1: Soạn Kịch bản (Scripting)
- Xác định 6 phân cảnh (Hook, Problem, Concept 1, Concept 2, Impact, Outro).
- Viết lời thoại tiếng Việt tự nhiên, súc tích, câu ngắn (tổng 260-330 từ, mỗi cảnh 35-50 từ). Cảnh 1 mở bằng lời hứa hoặc kết quả cụ thể; xem phần Hook và Lời thoại của
video-style.
Bước 2: Sinh Giọng Đọc (TTS Generation)
- Đọc
TTS_PROVIDERtrong.envđể biết đang dùng edge hay cit. - Tạo thư mục
src/<TopicName>/, rồi tạo scriptscripts/generate-<topic>-audio.tsgọigenerateTopicVoices, chạynpx tsx scripts/generate-<topic>-audio.ts. - Lấy danh sách thời lượng frame thực tế từ
manifest.json/src/<TopicName>/audioData.ts.
Bước 3: Tạo Thư mục Code src/<TopicName>/
Cấu trúc thư mục chuẩn:
src/<TopicName>/
├── <TopicName>.tsx # Main composition tập hợp các Series.Sequence
├── types.ts # Schema & Props
├── audioData.ts # Metadata thời lượng audio
└── scenes/
├── Scene1Hook.tsx
├── Scene2Problem.tsx
├── Scene3Concept1.tsx
├── Scene4Concept2.tsx
├── Scene5Impact.tsx
└── Scene6Outro.tsx
Hiệu ứng âm thanh: dùng <SfxTrack cues={...} /> từ src/sfx/SfxTrack.tsx, đặt trong component chính. File âm thanh ở public/sfx/, tạo lại bằng npx tsx scripts/generate-sfx.ts.
| Lúc nào | Âm thanh |
|---|---|
| Đầu mỗi cảnh, sớm 3 frame để rơi vào khoảng lặng trước câu mới (cảnh 1 ở frame 0) | mallet |
| Thẻ hoặc mục xuất hiện | pop hoặc tick |
| Điểm nhấn, kết luận | ding |
| Lời kêu gọi theo dõi | chime |
framecủa mỗi cue là số frame tính từ đầu video, khớp với lúc thành phần đó xuất hiện.- Không cần tự tránh chồng tiếng:
SfxTracktự bỏ cue cách cue trước dưới 0,4s, và giảm âm lượng khi một âm thanh lặp ngay sau chính nó. - Không tải âm thanh từ myinstants hay trang không rõ giấy phép. Cần âm mới thì thêm vào
scripts/generate-sfx.ts.
Bước 4: Đăng ký Composition vào src/Root.tsx
Thêm Composition mới vào src/Root.tsx:
<Composition
id="<TopicName>"
component={<TopicName>}
durationInFrames={totalFrames}
fps={30}
width={1080}
height={1920}
defaultProps={{}}
/>
Bước 5: Kiểm tra và Báo cáo
- Chạy
npm run lintđể kiểm tra lỗi TypeScript/ESLint. - Báo cáo cho người dùng link mở Composition trên Remotion Studio (
http://localhost:3000) hoặc lệnh render MP4:npx remotion render <TopicName> out/<TopicName>.mp4